神经药物抽取：近期模型在监督与半监督设定下的比较
计算与语言
2021-10-22 v1
摘要
药物处方是必须编码进电子病历中的关键信息。然而，大量此类信息隐藏于自由文本报告中。这正是药物抽取任务兴起的原因。迄今为止，多数研究努力集中于少量数据，且直到最近才考虑深度学习方法。在本文中，我们在 I2B2 医疗处方抽取任务上，于监督与半监督设定下，对最先进的神经架构进行了独立且全面的评估。研究表明简单 DNN 模型在该任务上极具竞争力，且预训练模型非常值得关注。在 I2B2 数据集上适配后者模型可将药物抽取性能推至最先进水平之上。最后，该研究也确认半监督技术有望利用大量无标注数据，尤其在标注数据获取成本过高的低资源设定中。
引用
@article{arxiv.2110.10213,
title = {Neural Medication Extraction: A Comparison of Recent Models in Supervised and Semi-supervised Learning Settings},
author = {Ali Can Kocabiyikoglu and François Portet and Raheel Qader and Jean-Marc Babouchkine},
journal= {arXiv preprint arXiv:2110.10213},
year = {2021}
}
备注
IEEE International Conference on Healthcare Informatics (ICHI 2021)